现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多...现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。展开更多
现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差...现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.展开更多
文摘现有回声状态网络(Echo State Networks,ESNs)的通信话务量预测方法只考虑了历史通信话务量对预测性能的影响,较少涉及多个输入变量的通信话务量预测问题。文中首先针对ESNs用于实际多元时间序列预测任务时训练效率低,输入数据维数较多时计算复杂度大的问题,提出用改进的交替方向乘子算法(IAD-ESNs算法)训练ESNs;针对单一输入变量不能提供更加全面的预测信息,提出了改进ESNs的多变量预测模型(MP-IADMM-ESNs)。以真实通信话务量数据进行仿真实验,结果表明,提出的预测模型MP-IADMM-ESNs对多变量通信话务量预测有较高的预测精度和预测效率。
文摘现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS(Stanford Research Institute Problem Solver)模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.